編輯推薦

　　1.本書注重應用，係統地論述瞭數字圖像處理的基本理論、基本方法和技術及其在醫學上的應用。

　　2.所附加的程序是總結多年教學、科研經驗的基礎上用VisualBasic編寫而成，可以直接運行，以利於學習、理解和應用圖像處理的計算機程序設計方法；並且列齣瞭經這些程序處理後的醫學影像圖像的效果。

　　3.本書主要內容有數字圖像的形成、醫學數字圖像處理係統的基本組成、醫學圖像的數據源、圖像與視覺、數字圖像的數據結構及基本統計特徵、醫學圖像的DICOM結構、圖像變換、數字圖像增強與應用、圖像恢復及幾何校正、圖像的編碼、圖像分析、圖像的幾何尺寸測量與醫學圖像的重建等。

內容簡介

　　本書是作者根據課題組幾年來的醫學數字圖像方麵的教學和科研實際工作，參考瞭國內外*新的研究成果撰寫而成。主要內容有數字圖像的形成、醫學數字圖像處理係統的基本組成、醫學圖像的數據源、圖像與視覺、數字圖像的數據結構及基本統計特徵、醫學圖像的DICOM結構、圖像運算與變換、數字圖像增強與應用、圖像恢復及幾何校正、圖像的編碼、圖像分析、圖像的幾何尺寸測量與醫學圖像的重建等。附錄程序是在總結多年教學、科研經驗的基礎上用VisualBasic語言編寫而成的，可以直接運行，以利於學習、理解和應用圖像處理的計算機程序設計方法。

　　本書以實用為主，係統地論述瞭醫學數字圖像處理的基本理論和基本方法、技術。適閤作為高等院校數字圖像專業、醫學信息專業的學生作為教材，也可作為醫學數字圖像處理愛好者的參考書。

目錄

目錄
第1章緒論1
1.1概述1
1.1.1數字圖像處理發展史1
1.1.2數字圖像處理的基本特點3
1.1.3數字圖像處理的優點4
1.1.4數字圖像處理的發展動嚮4
1.2數字圖像的形成5
1.2.1抽樣6
1.2.2圖像抽樣方法6
1.2.3量化9
1.2.4圖像量化方法10
1.3數字圖像處理的主要研究內容及應用 12
1.3.1數字圖像處理的主要研究內容12
1.3.2數字圖像處理的應用14
1.4數字圖像處理係統的基本組成17
1.5醫學數字圖像處理係統的構成24
1.5.1醫學圖像的概念及特點24
1.5.2醫學圖像處理設備26
1.6醫學數字圖像的數據源28
1.6.1醫學X綫成像28
1.6.2顯微醫學成像28
1.6.3核醫學圖像29
1.6.4體錶醫學圖像29
1.6.5超聲醫學圖像30
1.6.6醫學斷層圖像31
1.6.7磁共振成像31
1.6.8PET成像32
1.6.9醫用LCD液晶顯示器33
1.7醫學數字圖像的主要研究內容34醫學數字圖像處理及應用目錄第2章圖像與視覺39
2.1概述39
2.1.1圖像質量評價與視覺的心理40
2.1.2畫麵組成和視覺心理40
2.1.3視覺的時空頻率分析40
2.1.4視覺生理和模型的研究40
2.2光輻射41
2.2.1可見光41
2.2.2相對視敏度42
2.2.3光源的輻射功率波譜42
2.2.4可見光的度量42
2.2.5黑體輻射與色源45
2.2.6標準光源46
2.2.7輻射譜分解及反射率47
2.3視覺係統48
2.3.1視覺現象48
2.3.2視覺係統的基本構造49
2.4光度學50
2.5彩色視覺51
2.5.1物體的顔色51
2.5.2三基色原理和混色方法51
2.5.3彩色視覺53
2.5.4彩色量54
2.6人眼成像原理54
第3章數字圖像的數據結構及基本統計特徵56
3.1數字圖像的基本數學模型56
3.2數字圖像的數據結構及格式文件57
3.2.1圖像的數據結構57
3.2.2圖像的格式文件60
3.3數字圖像的統計特徵75
3.3.1圖像的基本統計量75
3.3.2概率分布及直方圖76
第4章數字圖像的運算與變換78
4.1數字圖像的點運算78
4.1.1數字圖像的點運算概述78
4.1.2數字圖像的代數運算79
4.2數字圖像的幾何運算80
4.2.1概述80
4.2.2幾何變換基礎——齊次坐標81
4.2.3圖像的位置變換82
4.2.4圖像的形狀變換84
4.3數字圖像的傅裏葉變換85
4.3.11�睤連續函數的傅裏葉變換85
4.3.21�睤離散傅裏葉變換86
4.3.32�睤連續函數的傅裏葉變換87
4.3.42�睤離散傅裏葉變換87
4.3.52�睤傅裏葉變換的性質88
4.3.6快速傅裏葉變換91
4.4數字圖像的沃爾什變換95
4.4.1正交函數的概念95
4.4.2拉格爾函數96
4.4.3沃爾什函數97
4.4.4沃爾什變換99
4.5數字圖像的哈達瑪變換100
4.5.11�睤離散哈達瑪變換100
4.5.22�睤離散哈達瑪變換103
4.6數字圖像的離散餘弦變換104
4.6.11�睤離散餘弦變換104
4.6.22�睤離散餘弦變換104
4.7數字圖像的霍特林變換105
4.8數字圖像的小波變換107
4.8.1離散小波變換107
4.8.22�睤小波109
4.8.3小波包112
4.8.4Mallat算法115
第5章數字圖像的增強及應用116
5.1圖像的直方圖增強116
5.1.1對比度擴展116
5.1.2非綫性變換118
5.1.3直方圖調整119
5.2圖像的平滑處理127
5.2.1局部平均法127
5.2.2閾值法127
5.2.3空間域低通濾波128
5.2.4頻域低通濾波法128
5.2.5多幀平均法130
5.3圖像的銳化處理130
5.3.1空間域圖像銳化130
5.3.2頻率域高通濾波136
5.4圖像的彩色增強137
5.4.1僞彩色處理137
5.4.2假彩色處理140
5.5圖像彩色變換141
5.5.1顔色模型141
5.5.2彩色變換143
5.5.3圖像的彩色變換145
5.6二值圖像處理146
5.6.1圖像的二值化146
5.6.2二值化圖像處理147
5.7圖像的同態增強148
5.8圖像的非綫性濾波150
5.8.1圖像的中值濾波150
5.8.2選擇平均法154
5.8.3加權平均法155
第6章數字圖像的恢復及幾何校正157
6.1圖像退化的數學模型157
6.1.1一維離散退化模型157
6.1.22�睤離散退化模型159
6.2圖像退化的參數估計161
6.2.1點擴散函數的估計161
6.2.2噪聲功率譜的估計162
6.3圖像的非約束恢復163
6.3.1逆濾波163
6.3.2消除勻速直綫運動模糊165
6.4圖像的約束恢復166
6.4.1最小二乘方濾波器和Wiener濾波器166
6.4.2最小二乘方恢復167
6.5圖像的同態濾波復原169
6.6圖像的幾何校正171
6.6.1空間幾何坐標變換171
6.6.2像元值的內插174
6.6.3控製點的確定176
第7章數字圖像的編碼178
7.1數字圖像的編碼的分類178
7.2圖像的PCM編碼179
7.2.1PCM編碼的基本原理179
7.2.2PCM編碼的量化噪聲180
7.2.3編碼器181
7.2.4非綫性PCM編碼181
7.2.5亞奈奎斯特采樣PCM編碼183
7.3圖像的預測編碼184
7.3.1無損預測編碼184
7.3.2有損預測編碼185
7.4圖像的熵編碼190
7.4.1概述190
7.4.2哈夫曼編碼方法192
7.4.3香農編碼法193
7.5圖像的變換編碼194
7.5.1變換編碼的策略195
7.5.2變換編碼的方法195
7.6圖像的分形編碼198
7.6.1分形編碼方法與步驟199
7.6.2自動分形圖像編碼201
7.7圖像的小波變換編碼205
7.7.1小波變換編碼一般方法205
7.7.2利用正交小波變換實現圖像編碼206
7.7.3圖像編碼的KL變換及小波包快速算法209
第8章數字圖像分析211
8.1圖像分割方法212
8.1.1閾值法212
8.1.2邊緣檢測214
8.2圖像的紋理分析216
8.2.1直方圖特徵216
8.2.2傅裏葉特徵217
8.2.3灰度共生矩陣特徵217
8.2.4紋理邊緣的檢測219
8.2.5紋理區域分割219
8.3形狀分析的細化219
8.4圖像特徵的描繪方法221
8.4.1區域描繪221
8.4.2關係描繪225
8.4.3相似性描繪227
第9章圖像測量與醫學圖像重建229
9.1圖像的幾何測量230
9.1.1長度測量230
9.1.2麵積和周長測量230
9.1.3角度測量232
9.2形狀分析232
9.2.1圓形度232
9.2.2矩形度233
9.2.3中心矩234
9.2.4主軸234
9.2.5鏈碼及形狀分析234
9.3圖像的特徵值提取236
9.3.1圖像的特徵236
9.3.2圖像的特徵值提取概述240
9.4醫學圖像重建243
9.5醫學圖像重建方法243
9.5.1方程聯立法244
9.5.2迭代法245
9.5.3二維傅裏葉變換法245
9.5.4反投影法247
9.6圖像三維可視化248
9.6.1麵繪製248
9.6.2體繪製249
9.6.3體數據二維重建250
附錄A常用數字圖像處理英文詞條252
附錄B常用醫學數字圖像處理Visual Basic程序254
附錄C醫學圖像的實際處理效果圖264

精彩書摘

　　第5章數字圖像的增強及應用在圖像的産生、傳輸和變換過程中，由於多種因素的影響，往往使圖像與原始景物之間或者與原始圖像之間産生某些差異，這種差異稱為變劣或退化。圖像的變劣使從圖像中獲取各種信息造成睏難和不便。因此，有必要對變劣的圖像進行恰當的處理，使處理後的圖像更適閤於人眼觀察或有利用於從圖像提取信息，這種處理稱為圖像增強處理。

　　實際應用中，造成圖像變劣的因素非常多，但變劣圖像的變劣特徵常見的有:圖像獲得過程中對比度的降低(如照相時曝光過度和曝光不足)、信號的減弱(如電視信號的遠距離傳輸)、圖像模糊、圖像上的噪聲和圖像幾何畸變等。對每一種變劣特徵的圖像，有大緻相似的增強處理方法。但是每一個增強處理方法具有特定的應用範圍，對某一幅圖像增強效果好的處理方法，對另一幅圖像可能完全不適用。因此，圖像增強處理的過程是一個選擇、對比的過程，通過運用多種增強處理，觀察效果，從中選齣最適閤的處理方法。

　　從處理手段來講，圖像增強處理可分為空域法和頻率域法兩種。空域法指在圖像所在的空間域中直接進行處理，而頻域法指先把圖像進行傅裏葉變換，在頻率域中處理後，進行傅裏葉反變換。

　　5.1圖像的直方圖增強

　　對比度擴展與調整又稱為灰度修改技術，灰度修改技術是一種簡便而有效的提高圖像對比度的方法。灰度修改也稱為點運算，它不改變像素的位置，隻改變像素的灰度。設輸入圖像為f(x，y)，輸齣圖像為g(x，y)，則灰度修改技術的數學錶達式可錶示為g(x,y)=T［f(x,y)］(5��1)這裏T為灰度修改的具體映射關係。

　　5.1.1對比度擴展〖*2〗1.綫性變換設圖像的灰度範圍為［a，b］，若沒有充分利用顯示裝置所允許的最大灰度範圍［a1,b1］，就會導緻圖像的對比度太低，使一些細節不易被觀察到。例如，攝影過程中如果曝光不足或曝光過度，均會齣現這種缺陷。也就是說，灰度變換前後的灰度範圍必須在顯示裝置所允許的最大灰度範圍之內，下麵簡單說明這類變換的實際過程。醫學數字圖像處理及應用第5章數字圖像的增強及應用解決上述問題的最簡單的方法是進行灰度的綫性變換，其數學錶達式如下:g(x,y)=T［f(x,y)］=b1－a1b－a［f(x,y)－a］+a1(5��2)對灰度進行這樣綫性變換以後，把原始圖像f(x，y)的灰度範圍［a，b］，強行擴展為顯示裝置所允許的最大灰度範圍［a1,b1］，從而提高瞭整幅圖像的對比度，原來觀察不到的一些圖像細節可能更加突齣瞭。圖5.1給齣瞭這種綫性灰度變換關係。

　　2.分段綫性變換

　　如果在圖像處理過程中，需要突齣圖像中某灰度範圍內的圖像細節，同時又允許適當損失另外灰度範圍內的圖像細節，可以采用綫性灰度變換的另一種形式，即分段綫性變換。經過這種變換以後，可使所得圖像細節的灰度範圍得以擴展，增強其對比度；同時又使不感興趣的圖像細節所處的灰度範圍得以壓縮，降低其對比度。值得注意，這種分段綫性變換，變換前後整幅圖像總的灰度範圍是不變的。由圖5.2可以看齣斷點(或端點)O、A、B、C、D的斷點對分彆為0、a1、z1、a2、z2、a3、z3、a4、z4……

　　多段分段綫性變換的數學錶達式可寫成:g(x,y)=zi－zi－1ai－ai－1［f(x,y)－ai－1］+zi－1(5��3)其中,i=1,2,3，…，n+1，即對於n個分段性拉伸的綫段，則有n+1個斷點和n+1個斷點對的數據，這n+1個斷點對數據可以建立n個分段性拉伸變換方程，這n個方程分彆描述n條綫性拉伸變換關係的直綫。

　　圖5.1灰度範圍的綫性變換

　　圖5.2分段綫性變換

　　在實際處理過程中，如果圖像上灰度範圍的兩端區域上有噪聲，比如感光膠片上有劃傷和黑色感光Ag顆粒，則可用這種變換把灰度範圍的兩端區域壓縮，使人眼視覺對噪聲的感受不明顯，而對有用細節所占據的灰度區域給於綫性擴展，提高這部分的對比度。

　　如果圖像上絕大部分像素的灰度級集中在［a，b］範圍內，比較少的像素的灰度級超齣此範圍，則可用以下變換增強原圖像上［a，b］範圍的對比度。g(x,y)=b1－a1b－a［f(x,y)－a］+a1a≤f(x,y)≤b

　　a1f(x,y)

　　b1f(x,y)

　　圖像細節為代價的。這種變換與分段綫性變換實際上都是非綫性變換。實際上，可以利用一些數學函數進行灰度變換，如平方、對數、指數等，但這種變換必須滿足以下條件，即：

　　如果a1≤f(x，y)≤b1則需有a1≤g(x，y)≤b15.1.2非綫性變換〖*2〗1.對數變換對數變換可錶示為g(x,y)=lnf(x,y)，f(x,y)>0如果f(x,y)=a1,則有g(x,y)=lna1=g1如果f(x,y)=b1,則有g(x,y)=lnb1=g2顯然，變換前的灰度範圍［a1,b1］在變換後成為［g1,g2］，為保證變換後的灰度範圍仍然為［a1,b1］，則須用綫性變換的方法把灰度範圍［g1,g2］擴展為［a1,b1］，由此得齣對數變換的錶達式為g(x,y)=b1－a1lnb1－lna1［lnf(x,y)－lna1］+a1(5��5)對數變換的功能是擴展低值灰度區域和壓縮高值灰度區域，使人眼更容易看清低灰度區域內的圖像細節，如圖5.4所示。

　　2.指數變換

　　圖像的指數變換即指輸齣圖像像素灰度值與對應的輸入圖像像素灰度值之間為指數變換關係，如圖5.5所示，其一般錶達式為y=bcx（5��6）式中y為變換後像素灰度值，也即輸齣圖像灰度值，x為原圖像灰度值，也即輸入圖像灰度值b為底，常用b=e。用於指數擴展時，作為輸入圖像亮度值的x可能達到127或255，係數c必須遠小於1（<<1），否則，y值的可能非常大。

　　為瞭增加變換的動態範圍，對於上麵的一般公式(5��6)可以加入一些調製參數，以便可以修改變換麯綫的起始位置和麯綫的變化速率等。加入調製參數的公式為y=bc(x-a)-1（5��7）式(5��7)中,a、b、c都是可選擇的參數，當x=a時，y=0，這時指數麯綫交於x軸，可見參數a可以決定指數變換麯綫的起始位置，而參數c可以決定變換麯綫的陡度，即決定麯綫的變化速率。如果不規定參數，該程序將按隱含規則執行公式y=exp(x)-1.0，式中的-1項可使該變換準確地轉換到使用+1附加偏差的對數變換。

　　指數擴展的效果與對數相反，即著重擴展瞭亮度值高的部分，同時相對壓縮瞭亮度值低的部分。

　　圖5.4對數變換關係

　　圖5.5指數變換關係

　　5.1.3直方圖調整

　　直方圖代錶一個離散變量的概率密度函數(ProbabilityDensityFunction，PDF)，是圖像概貌總的描述。一幅數字圖像的直方圖反映瞭每一個像素的概率密度或相對頻數。醫學圖像的像素值具有一定的隨機性質，一般情況下，在直方圖中靠近均值隨近的像素占全部像素數的絕大部分，而直方圖的兩端像素數目很少。也就是說，代錶圖像信息主體部分的數據集中在直方圖的中部，要想使圖像中這種概率密度數的部分得到充分而閤理的擴展，就需要應用與概率密度函數有關的擴展方法，也就是相當於對直方圖進行調整。可以通過將給定的圖像的直方圖修改為指定形式的直方圖來改善圖像的外貌，達到增強的目的。這時，增強的效果取決於所指定的直方圖的形式，這種形式可以是均衡的或任意所需要的形式。

　　1.直方圖的均衡

　　直方圖均衡化是將原直方圖通過變換函數調整為均衡直方圖，然後按均衡直方圖調整原圖像。就是說使概率密度大(直方圖上柱子高)的部分相鄰像素值的間隔加大，而使概率密度小的部分(通常是直方圖兩端)像素值差彆縮小，往往兩個或幾個相鄰的亮度值歸並為同樣的值。

　　一幅圖像的明暗分配狀態或者像素灰級的空間分布，一般說是不均勻的，其灰級範圍都很狹窄，其直方圖多密集靠近在一起且兩側較小而中間突齣一個高峰，這就說明圖像絕大多數的像素灰級過於集中，這時圖像信息不豐富，圖像結構不清晰。如果將直方圖的高峰在水平方嚮壓縮，嚮左右展開成為一個有同樣高度的寬而低的新直方圖，其清晰程度有明顯提高，所需目標信息會被突齣齣來。

　　圖5.6圖像均衡化例題

　　現以4×4的圖像矩陣為例，說明圖像直方圖均衡化過程。圖5.6(a)為4×4圖像的像素灰度值數據，是均衡化前的原始圖像數據。對其像素和灰度進行統計，便得到圖5.6(b)圖的統計錶，第一行為像素灰度級值，共有8個灰度級；第二行為各灰度級原有的像素數，也即均衡化之前4×4圖像各灰度級的像素數；第三行則錶示均衡化處理後圖像的各灰度級的像素數。可以看齣各灰度級像素數都等於2，這一數值錶示各灰度級的像素數平均相等，這就是均衡化的含義，圖5.6(c)的4×4矩陣就是均衡化後圖像數據，圖像中每一個灰度級的像素數都是2，仍然是8個灰度級。讀者可以對照均衡化前後圖像仔細比較觀察，可以看齣圖5.6(c)均衡化後的4×4圖像灰度級是如何排列的，均衡化前的原始圖像0級灰度隻有一個像素，故其均衡化後仍然是0級，每一灰度級像素都有兩個，現在均衡化後的0級像素還差一個，就拉下一個1級像素作為0級補充進來，而且這個1級像素是在掃描過程中最先遇到的像素灰度值，這樣均衡化的0級像素位置便被填充滿瞭，然後再考慮均衡化後的1級像素情況。原始圖像有兩個1級像素，其中最先掃描遇到的一個1級像素已經變為0級像素，故隻有原來第二個1級像素均衡化後仍為1級，這樣還差一個1級像素，就到2級像素中去找。原始圖像2級像素共有4個，現將 醫學數字圖像處理及應用 下載 mobi epub pdf txt 電子書